买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖北航天飞行器研究所申请的专利融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115793453B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211469247.9，技术领域涉及：G05B13/04；该发明授权融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法是由张达;兰子柠;潘静;陈文鑫;潘芷纯;李康伟;张华君;刘青设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法在说明书摘要公布了：本发明公开了融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法，利用AI深度学习与自适应控制相结合的算法，获得风干扰环境下的未准确建模的风干扰空气动力项，对在不同风速干扰环境下的旋翼飞行器进行轨迹跟踪自适应控制；结合所述基函数和所述自适应参数，获得风干扰环境下的未准确建模的风干扰空气动力项；结合反馈控制，在预先设计的飞行器需要跟踪的参考轨迹的飞行参考轨迹跟踪控制器中，实时补偿在线自适应识别到的未准确建模的风干扰空气动力学项。本发明引入了基于归一化的线性系数自适应估计策略，在证明了旋翼飞行器系统在风干扰影响下的未建模动力项与自适应项之间的误差稳定收敛性的同时，提高了系统的抗干扰鲁棒性。

本发明授权融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法在权利要求书中公布了：1.融合AI深度学习的旋翼飞行器轨迹跟踪自适应控制方法，其特征在于利用AI深度学习与自适应控制相结合的算法，获得风干扰环境下的未准确建模的风干扰空气动力项，对在不同风速干扰环境下的旋翼飞行器进行轨迹跟踪自适应控制，包括如下步骤： 通过收集的飞行数据对深度神经网络进行离线学习，训练近似拟合得到风干扰环境下的未准确建模的风干扰空气动力项的基函数； 利用自适应控制中参考模型预测误差项信息对自适应参数进行更新； 结合所述基函数和所述自适应参数，获得风干扰环境下的未准确建模的风干扰空气动力项； 结合反馈控制，在设计的飞行轨迹跟踪控制器中，实时补偿在线自适应识别到的未准确建模的风干扰空气动力学项； 所述利用自适应控制中参考模型预测误差项信息对自适应参数进行更新，包括 在线自适应控制阶段，更新一组的线性系数λμ，线性系数λμ代表不同风干扰时，与不同风场向量μ而不同的一组常数向量，通过自适应控制算法在线辩识即识别； 所述线性系数λμ利用基于归一化最小二乘法的自适应估计方法得到，所述自适应估计方法包含参考轨迹前馈项、基本的PID控制反馈项、自适应参数更新率和基于归一化最小二乘法的时变矩阵协方差更新率， 具体如下： 其中，uF是旋翼飞行器控制率，λ是在线更新的自适应线性参数，R是时变协方差矩阵，e是参考轨迹跟踪误差项，PIDe是根据参考轨迹跟踪误差项e设计的PID控制器，上标T是转置符号，r是预先设置的飞行器需要跟踪的大地坐标系下的位置参考轨迹指令，kr是根据跟踪参考曲线设计的参考轨迹前馈控制系数，kr取值范围在0到1之间，根据实际参考轨迹跟踪情况调整，y是飞行器名义参考模型预测的机体加速度与实际仿真或实验测量到的机体加速度相减得到的残差力误差项。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖北航天飞行器研究所，其通讯地址为：430000 湖北省武汉市东西湖区金山大道9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。